Barman 3.13.2版本发布:增强对不可变存储的支持
项目简介
Barman是EnterpriseDB开发的一款开源PostgreSQL备份管理工具,它简化了数据库备份和恢复的流程,提供了强大的备份策略管理功能。作为PostgreSQL数据库管理员的重要工具,Barman能够帮助用户实现自动化备份、时间点恢复等关键数据保护功能。
版本亮点
Barman 3.13.2版本主要针对不可变存储环境进行了功能增强和问题修复,这是数据安全领域的一个重要进步。不可变存储(Immutable Storage)是一种特殊类型的存储系统,在这种系统中,一旦数据被写入就不能被修改或删除,这种特性对于满足合规性要求(如金融、医疗等行业的数据保留政策)尤为重要。
技术细节解析
WORM模式支持
新版本引入了worm_mode配置选项,专门用于支持WORM(Write Once Read Many)存储环境。WORM是数据存储领域的一个重要概念,它确保数据一旦写入就不能被修改,这对于审计追踪和数据完整性保护至关重要。
在启用此模式后,Barman能够正确处理备份到不可变存储设备的情况。这一改进使得Barman可以更好地适应金融、医疗等对数据修改有严格限制的行业场景。
元数据文件重定位机制
为了解决不可变存储环境下备份信息更新的问题,3.13.2版本实现了自动将backup.info文件重定位到备份目录下的新meta子目录中的功能。这一设计非常巧妙:
- 将频繁更新的元数据与实际的备份数据分离
- 允许Barman在需要时更新这些元数据文件
- 保持主要备份数据的不可变性
这种分离设计既满足了不可变存储的要求,又不影响Barman的正常运作。
WAL文件处理优化
在不可变存储环境下,Barman现在会保留第一次备份时不立即需要的WAL文件。这一改变虽然会暂时占用更多存储空间,但确保了数据的完整性。这些额外的空间会在备份超出保留策略窗口后被自动回收。
使用注意事项
虽然3.13.2版本增强了对不可变存储的支持,但在实际部署时仍需注意以下几点:
- 文件不可变性需要设置适当的宽限期,以确保Barman有足够的时间完成备份操作
barman keep命令在不可变存储环境下不受支持- 首次备份时保留的额外WAL文件会占用额外空间,这是正常现象
技术价值
这一版本的改进对于需要满足严格合规性要求的组织尤为重要。通过支持不可变存储,Barman现在可以更好地服务于以下场景:
- 金融行业的交易记录存档
- 医疗健康数据的长期保存
- 任何需要满足数据不可篡改要求的应用场景
总结
Barman 3.13.2版本的发布标志着这款PostgreSQL备份工具在支持现代存储需求方面又迈出了重要一步。通过引入WORM模式支持和相关优化,它现在能够更好地服务于对数据完整性有极高要求的应用场景。对于已经或计划使用不可变存储的PostgreSQL用户来说,这一版本值得特别关注。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00